کنفرانس بین المللی محاسبات نرم

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

تشخیص کارآمد سرطان سینه بر اساس تصاویر هیستوپاتولوژیک با شبکه ResNeXt

نویسندگان :

زهره پورحیدر¹ عبدالحسین رضائی² حمیدرضا صادق محّمدی³

1- دانشگاه علم و فرهنگ تهران 2- دانشگاه علم و فرهنگ تهران 3- پژوهشکده برق جهاد دانشگاهی

کلمات کلیدی :

سرطان سینه،تصاویر هیستوپاتولوژیک،یادگیری عمیق،ResNeXt50،طبقه‌بندی خودکار

چکیده :

سرطان سینه از مهم‌ترین علل مرگ‌ومیر در میان زنان است و تشخیص دقیق و زودهنگام آن نقش حیاتی در افزایش شانس بهبودی بیمار در مرحله درمان دارد. در این پژوهش، یک سیستم تشخیص کمک‌رایانه‌ای (CAD) مبتنی برآموزش شبکه ResNeXt50 برای طبقه‌بندی تصاویر بافت‌شناسی سرطان سینه ارائه می‌شود. بر این اساس، مدل از پیش آموزش‌دیده ResNeXt50 با روش بازآموزی کامل بر روی مجموعه‌داده BreakHis آموزش داده شد تا تصاویر نمونه‌های خوش‌خیم و بدخیم را تفکیک کند. نتایج آزمایش‌ها نشان داد که مدل پیشنهادی بر روی مجموعه‌داده یادشده به صحت 24/99%، دقت 27/99% و فراخوانی 63/99% دست یافت. این نتایج بیانگر عملکرد دقیق و پایدار مدل آموزش دیده است و قابلیت استفاده‌ی احتمالی از آن را به عنوان سیستم تشخیص کمک رایانه ای بالینی دستیار پزشک تأیید می‌کند.